← Каталог

· AI Engineer Code 2025

Context engineering для сложных кодовых баз: исследование, планирование, реализация

Context Engineering for Complex Codebases: Research, Plan, Implement

Агенты для кодинга справляются с большими существующими кодовыми базами, если выстроить работу через сжатие контекста в планы на фазах research, plan, implement.

  • Компакция вместо долгих диалогов — итоги исследования кода сжимаются в markdown-файл с нужными файлами и номерами строк, и новый агент начинает работу с готовым пониманием. Спикер советует держать контекст ниже примерно 40% окна, где, по его словам, начинается заметная потеря отдачи.
  • Планы с готовым кодом — в плане перечисляются файлы, фрагменты кода и проверки после каждого шага. По словам спикера, при таком плане даже слабая модель вряд ли ошибётся в исполнении, поэтому читать нужно план, а не каждую строку кода.
  • Кейс на 300 000 строк Rust — за семь часов в BAML сделали около 35 000 строк изменений, часть из них сгенерирована кодом; соавтор оценил эту работу в одну–две недели. Один из PR влили примерно через неделю.
  • Мышление не делегируется — попытка убрать зависимости Hadoop из Parquet Java провалилась, и пришлось вернуться к проектированию на доске.

Кому полезно: тем, кто внедряет агентов для кодинга в большие существующие проекты и перестраивает ревью под поток кода, написанного ИИ.

Доклад цитируется в статьях

Главы

Ещё доклады: Dex Horthy

Все 4 доклада →

Похожие доклады